为增殖细胞“装上GPS”：科学家打造单细胞追踪技术，成功解析小鼠大脑上万个新生细胞

近日，美国洛克菲勒大学教授和团队开发出一种名为 TrackerSci 的技术，该技术能以前所未有的精度追踪体内各种细胞类型的更新动态。凭借这一技术，课题组首次绘制出大脑细胞衰老时的动态图谱。

图 | 曹俊越（来源：）

TrackerSci 可以通过三个分子条码水平，有效扩展到对数百万个细胞进行分析，并能够监测增殖细胞的转录和表观遗传动态。

它好比给体内的每一个增殖的细胞安装了 GPS 装置，可以追踪细胞的动态变化，并能监测它们的全部基因表达和表观遗传图谱。    

例如，当该团队使用 TrackerSci 研究小鼠大脑中的上万个新生细胞时，发现了很多以前被忽视的增殖细胞类型，并确定了小鼠的特异型基因标志物。

与以前只关注基因表达的研究不同的是，TrackerSci 提供了对新生细胞的全面视角，从而能够深入探讨背后的基因调控和表观遗传基础。

另外，通过比较不同年纪的小鼠大脑，课题组发现随着年龄的增长，不同细胞的更新速度存在明显的差异。例如，一些细胞的更新能力减弱，而其他细胞的更新则变得更强。

通过比较这些细胞的差异性，他们确认了一些潜在的基因靶点，从而能用于对抗衰老过程中的细胞变化。

同时，本次研究还扩展至人脑细胞之中，即发现在老年人大脑中的细胞增殖，存在区域特异性和细胞类型特异性的特征。

例如，他们发现人体小脑中少突胶质细胞的分化受到了明显抑制，并揭示了该区域特异性的基因控制机制。    

总的来说，本次研究提供到一种新的单细胞追踪技术，有助于全面了解体内细胞的增殖和分化，这对于研究各种器官和人体器官模型中的细胞生成过程具有重要意义。

（来源：Cell）

希望这项技术能助力于更深入地研究各种细胞类型的生存、凋亡和老化状态，从而为治疗与老化相关的疾病提供新的途径。

作为一款追踪检测工具，TrackerSci 可以让我们在整个动物体内的尺度上，研究各种细胞类型的生长和变化速度。这对于理解人体的动态变化来说，能够带来更高的效率、以及更广泛的适用范围，可以帮助学界更全面地评估候选基因、突变体或药物治疗的效果。

另外，这项创新性的研究采用了无偏化、系统化和定量化的方法，来研究控制身体内细胞生长的基本机制，并在整个器官层面上进行了调查。

通过同时分析不同细胞类型的增长速度和分子状态，该团队生成了一个数据集，借此可以系统地解析细胞类型特定的增长速度，到底如何受到了内部基因表达、染色质结构和外部环境信号的影响。

此外，本次方法还能用于抗衰老研究，帮助筛选出潜在的抗衰老药物的靶标。衰老，是一种会在身体各个器官中积累的不利变化。而本次研究方法提供了一个全面的视角，可以更深入地了解细胞群体在衰老过程中的平衡以及可能的干预方式。同样，这些方法也能用于其他疾病的研究，比如癌症和新生儿疾病。

凭借此，相关论文得到了评审专家的认可。表示：“审稿人非常肯定 TrackerSci 技术的潜力。他们强调了这项技术在生物学领域的广泛应用前景，认为它具有突破性的潜力，可以用于研究不同物种、不同年龄段以及不同脑部区域的前体细胞。” 

一方面，审稿人认为 TrackerSci 技术可能会对各种领域的研究产生重要而深远的影响，从而推动我们更深入地理解生物学变化。另一方面，审稿人认为了解老化对于神经细胞和胶质细胞生成的影响是一个至关重要的问题。

而该工作中提出的方法可以帮助分析和表征新生脑细胞的数据，从而有助于回答上述问题。

首次绘制出大脑细胞衰老时的动态图谱

据介绍，一个健康的成年人的身体每天会生成大约 3300 亿个新细胞。不同类型的细胞寿命差异很大，从几天到多年不等。

随着年龄的增长，细胞更新的速度也会变化。而这些变化会增加患上癌症、神经退行性疾病和心脏病等疾病的风险。因此，了解细胞在整个生命周期内的更新机制，对于理解人体如何保持功能和健康至关重要。

此前用来追踪细胞更新的传统方法，通常存在分辨率不高的缺点，无法全面展示复杂组织中多种细胞类型的更新情况。

虽然最近出现的单细胞测序技术可以准确地实现细胞分类，但是大多数技术仅仅提供了细胞的静态信息，无法捕捉细胞动态的变化。因此，我们需要一种新方法来更好地理解细胞的更新。

在本次研究的初期，虽然课题组已经有一些潜在想法，但它们与该团队的单细胞检测技术并不相容。

特别是，等人发现在大脑中的增殖细胞数量非常有限，这使得检测它们的动态变化变得更加复杂。

因此，他们在第一年进行了多次尝试，探索了各种不同的标记方法，并专门对单细胞技术进行了技术优化和修改，以确保可以获得准确的数据。

第二个关键挑战是如何分析这些复杂的数据。由于这是首个提供了有关大脑中不同细胞类型在不同年龄段动态变化的数据集。每种细胞类型的数据包括基因组表达数据和染色质结构数据，这让数据分析变得尤为复杂。    

为解决上述问题，他们开发出一种新算法，以用于量化不同细胞的生长和分化速率，并鉴定与细胞动态变化相关的基因和表观遗传特性。

同时，这一算法也有助于他们理解不同细胞类型，到底是如何在体内维持其稳态，以及在分子水平上受到衰老影响的。

此外，他们使用 TrackerSci 来研究整个小鼠大脑中的 1.4 万个新生细胞的单细胞转录组和染色质可及性动态，涵盖了三个年龄阶段和两种基因型。

鉴于增殖脑细胞的稀缺性，使用传统的单细胞技术需要深度测序高达 1500 万个脑细胞才能检测到相同数量的增殖脑细胞。

通过对增殖细胞的“全局视图”，TrackerSci 能够识别以前被忽视的几种增殖细胞类型，例如血管细胞、蜘蛛膜屏障细胞和垂体干细胞。

通过此，课题组还确定了各种新生细胞类型的分子标志物，揭示出相对于传统标志物更具特异性的标记物。

例如，他们发现了两个神经发生标志物：Tead2 和 Esco2。其具有比众所周知的神经发生标志物（例如 Sox2 和 Dcx）更高的细胞类型特异性。可以说，此次研究让他们收获颇丰。

而在研究中，尽管也经历了新冠疫情的冲击，但是依靠线上沟通他们依旧圆满完成了本次课题。

最终，相关论文以《跟踪人类和小鼠大脑中细胞类型特异性的时间动态》（）为题发在 Cell，洛克菲勒大学博士生卢梓育和科研助理 Melissa Zhang 是共同一作，洛克菲勒大学教授 ZhouWei 和担任共同通讯作者[1]。

图 | 相关论文（来源：Cell）

对于论文的顺利发表，说：“我要特别感谢在 TrackerSci 技术的研发中扮演了关键角色的两位杰出年轻科研人员，他们分别是博士生卢梓育和研究助理 Melissa Zhang。他们在面对困难时，展现了卓越的毅力和才华。”

下一步，计划不断改进这项技术，使其能够同时检测更多的细胞、以及细胞内更多种类的分子信息。包括但不限于细胞的转录组、表观遗传信息、蛋白质组等。

这一改进将使他们能够定量地研究不同器官中细胞增殖和分化速率在衰老过程中的变化。更重要的是，它将帮助课题组揭示不同细胞种类在衰老中维持稳态的分子机制。

另一方面，他们计划将这项技术用于研究不同疾病、不同细胞种类之中的动态变化。例如，癌症通常是由于特定细胞类型的增殖速率异常改变导致的。同样，阿尔兹海默症也与人脑中某些神经前体细胞的增殖速率减少有关。

因此，他们打算将这项技术扩展到相关的疾病模型中，以深入了解疾病发生和发展背后的细胞动态变化机制。预计这将有助于发现与这些疾病相关的分子靶点，从而为针对性的药物治疗或基因治疗提供新的途径。   

 通宵达旦搞实验，正值盛年双丰收

另据悉，是河北衡水中学的校友。相比同龄人，他更早地获得了教职。其表示：“从北大毕业之后，我从 2015 年秋开始在华盛顿大学读博， 2019 春完成博士研究。随后第二年开始了自己在洛克菲勒大学的实验室组建工作。”

谈及四年读博历程，他说：“我的博士研究主要集中在单细胞测序技术的发展，起初我对基因组技术和数据分析一无所知。早期，通宵达旦地进行实验和数据分析是家常便饭，有时一个实验需要连续进行 36 个小时。”

可以说，每个新技术的开发都要测试数百、甚至数千种技术条件。幸运的是，的精力比较充沛，也很享受从零开始学习新知识的过程。

另一个关键因素是家庭的支持。他说：“我妻子和我都是同一个博士项目的同学，我们每天都讨论研究进展。这些讨论对于推动我的研究项目、以及在独立建组之后制定独特的研究方向很有帮助。”

而在华盛顿大学读博期间，的儿子才刚刚出生，不久之后他又迎来一个女儿。“这促使我和妻子学会如何平衡家庭和科研，并有效地管理工作时间。期间，我们得到了双方父母的全面支持，这对我们顺利完成博士研究以及组建自己的团队起到了关键作用。”他表示。

参考资料：

1.Lu et al., Tracking cell-type-specific temporal dynamics in human and mouse brains, Cell (2023), https:// doi.org/10.1016/j.cell.2023.08.042

运营/排版：何晨龙‍